又一家车企对智驾研发部门的组织架构进行调整。
日前，蓝鲸新闻从小鹏汽车方面获悉，该公司近期对自动驾驶部门进行相应组织架构调整，新设AI模型开发、AI应用开发、AI效能开发三大板块职能，旨在加速AI能力进化和组织AI化转型。
无独有偶，蔚来今年6月也曾被曝重组智驾团队，感知和规控团队合并为大模型团队；理想汽车今年7月则被曝成立“端到端自动驾驶”实体组织，规模约200人。
车企频频“动刀”智驾部门，背后有何原因及深意？
智驾新一轮比拼：“端到端”技术成焦点
据悉，车企此番组织调整与智驾技术路线变革有关。目前，“端到端”技术正成为车企智驾比拼的焦点。
何为“端到端”？公开资料显示，自动驾驶有感知、规划与决策和控制三大模块，靠感知“看”，靠决策“思考”如何开车，靠控制模块完成驾驶行为。“端到端”技术指的是，从感知到决策整个过程，都用一个大模型来实现。
在业界看来，该技术的意义在于，让智驾研发进入了 AI时代，换言之，其不再依赖大量人工编程，只要用更多数据训练模型，系统就会不断变强，表现可能超过人类司机。
“端到端”技术的大火，要追溯至特斯拉的FSD V12版本。去年5月，特斯拉CEO马斯克透露，特斯拉FSD V12将采用端到端方案。
蓝鲸新闻此前从特斯拉方面了解到，V12版本的模型架构发生重大迭代，是全新的“端到端”人工智能技术应用，可实现“光子进入，控制输出”。换言之，通过车辆摄像头、自研自动驾驶芯片和神经网络软件系统等，感知和理解车辆外部环境并输出辅助驾驶控制。
官方称，该功能可以像人类一样不断学习迭代提升，广泛应用后将进一步减少因人的驾驶失误而造成的事故，提升车辆主动安全性能。
今年3月，特斯拉开始大范围推送V12。据第三方网站FSD Tracker统计，特斯拉FSD V12更新后，较此前版本，用户完全无接管的行程次数占比从47%提升到72%，平均接管里程（MPI）从116英里提高到333英里。
在特斯拉自动驾驶技术大突破背后，国内多家车企也开始押注“端到端”。
以蔚小理为例，今年7月5日，理想宣布向全量理想AD Max用户推送“全国都能开”的无图NOA并发布基于端到端模型、VLM视觉语言模型和世界模型的全新自动驾驶技术架构；同月27日，蔚来正式发布全新智能驾驶技术架构“NADArch 2.0”，并表示该技术架构在算法层升级为引入世界模型的端到端架构，直接从原始传感器数据生成驾驶决策，减少传统方案中的信息损耗。
上月底，小鹏汽车官宣将向全球用户全量推送AI天玑系统XOS 5.2.0版本。其董事长、CEO何小鹏表示，在端到端大模型的助力下，小鹏智驾技术和体验的进化周期将大幅缩短。
“目前很多在研发L4自动驾驶技术的公司仍采用了‘传统的算法+小AI模型’的技术路线，建议这些企业赶紧切换到‘端到端’技术。”何小鹏此前甚至直接发文称。
技术迭代倒逼组织结构调整，人才“贵精不贵多”？
与过去传统的“算法+规则时代”相比，“端到端”技术有何不同？其对人才的需求又有何种转变？这些问题也成为业界关注的焦点。
“传统是规则驱动，写的代码更多是限定自动驾驶的规则。发展到端到端后变成了数据驱动，对数据和算力的要求很高。”中国科学院战略咨询院产业科技创新中心汽车行业特聘研究员鹿文亮对蓝鲸新闻表示。
“之前是用规则去串起感知、决策还有执行等模块，端到端就是利用了大模型，用训练AI学会开车的方式取代条条框框的规则。换言之，传统智驾方案就是要穷举所有情况，但现在是训练AI可以自己应对所有情况。”有熟悉智能驾驶领域的资深业界人士也对蓝鲸新闻表示。
针对不同的高阶自动驾驶解决方案，何小鹏此前曾发文解释道，在“算法+规则时代”，依靠“无高清地图+AI激光雷达+算法”，复杂度大大提高，相比有高精地图方案，可以开的区域增加很多，但是需要做更大量的规则，规则之间的博弈非常痛苦，需要大量的人力去维护，导致整个开的过程越来越不丝滑，导致能力的继续明显向上碰到巨大挑战。
但在“端到端”时代，复杂度更进一步提高，相比上述方案，能力会有反复，以前很容易规则实现的能力，现在要大量工作；而以前要很多特殊规则适配的，现在反而会容易很多。在何小鹏看来，端到端是真正可以全球化的，是真正可以到小区和所有内部道路自动驾驶的最优解决方案。
不过，端到端模型对车企高端人才配备、研发能力等也提出了更高的要求，这或也有了近期车企频频“动刀”智驾部门组织架构的系列动作。
对于理想汽车智驾团队去年至今“从大规模招人到裁人再到召回”系列操作，其智能驾驶副总裁郎咸朋日前在接受《晚点》采访时指出，本质是技术迭代了。
据其透露，以前智驾系统里有大量规则，需要人工编程、管理进度、做测试。但端到端更多是AI模型，上述岗位大幅减少。后来再召回少数人，更多还是基于业务需求进行的调整。“其实特斯拉智驾团队一直是200到300人，交付了全球最大的自动驾驶车队。”
“早期构建端到端模型对人才的要求非常高，同时也需要大量的人来完善模型。当模型逐步完善，进入正向迭代后，对人员的要求开始逐步下降，人才需求量也会逐步减少。”对此，鹿文亮对蓝鲸新闻解释道。
